CN113852580A - 一种基于多级分离的mimo-otfs符号检测方法 - Google Patents

Abstract

本发明公开了一种基于多级分离的MIMO‑OTFS符号检测方法，属于MIMO在OTFS的调制通信技术领域。本发明将MIMO‑OTFS信道均衡问题归结为一个线性优化问题，提出了一种基于时域LSMR的信道均衡处理方案，用于恢复每个传输码流的OTFS符号，即通过利用时域信道矩阵的稀疏性所提出的信道均衡处理方案可以实现快速收敛，从而能够获得与LMMSE相当的均衡性能，但计算复杂度却要低得多；同时，在时延多普勒域设置了一种增强型数据检测方式来迭代解调多天线数据符号，其得益于信道预均衡器对数据符号的精确估计，该增强型数据检测方式不仅可以实现线性复杂度的干扰消除，而且可以有效地实现MIMO‑OTFS信道的空间分集和多径分集，提升检测性能。

Description

一种基于多级分离的MIMO-OTFS符号检测方法

技术领域

本发明属于通信领域中的多输入多输出(MIMO)在正交时频空间(OTFS)调制通信技术，具体涉及一种基于多级分离的MIMO-OTFS符号检测方法。

背景技术

域和频域选择性是无线通信信道的固有特性。为了解决信道多径传播引起的频域选择性问题，设计了复杂的收发方案。例如，通过使用诸如循环前缀正交频分复用(CP-OFDM)等的多载波调制方案，可以采用低复杂度的子载波均衡算法。然而，高速车载通信网络中的移动性会导致严重的信道时域选择性特性，这对传统的多载波调制方式提出了挑战。另一方面，在OFDM中，高移动性引起的多普勒效应表现为载波间干扰(ICI)，这是造成系统整体性能瓶颈的原因之一。为了解决双选择性信道的问题，提出了一种新的二维(2-D)调制技术，即正交时频空间(OTFS)。由于其在高速移动环境中的稳健传输性能，引起了很多关注。OTFS的核心原理是将调制后的数据符号映射到延迟多普勒(DD)平面上，并利用离散辛傅里叶逆变换(ISFFT)将其扩展到整个时频网格上。然后，通过多载波方案(例如OFDM)调制时频(TF)域数据。通过这个过程，所有传输的数据符号可以受到双色散信道同样的影响，从而减轻了性能损失。

与OFDM类似，多输入多输出(MIMO)也可以与OTFS相结合，以进一步提高传输吞吐量。为了在MIMO-OTFS系统中实现稳定的数据传输，需要在接收端采用高效的信道均衡和数据检测算法。在现有的MIMO-OTFS研究中，一个常见的假设是信道散射体的数量在收发机周围是有限的。即每个子信道可以由多普勒和时延两个维度上的一组稀疏脉冲响应来建模。基于这一假设，现有的信道均衡器，例如低复杂度线性最小均方误差(LMMSE)，或基于最先进的消息传递(MP)的检测，在复杂度或解调性能方面表现很好。然而，这是简化后的假设，因为一般通信场景可能涉及大量散射对象，例如在车联网(V2X)通信中。与现有方法中假设的一组离散的频率元素不同，散射丰富的信道可以在多普勒频率上具有连续的频谱。连续多普勒扩展信道不仅会在多普勒域引起符号间干扰(ISI)，而且还会引起频带相对较宽的多普勒间干扰(IDI)。此外，当OTFS信号经过具有复杂环境的时变MIMO信道时，额外的干扰将涉及到空域，从而产生天线间干扰(IAI)(即，多用户MIMO系统中其他流的干扰)。因此，如何在多维干扰(即IAI、IDI和ISI)的情况下对接收到的MIMO-OTFS信号进行鲁棒解调是另一个需要解决的问题。

发明内容

本发明提出了一种基于多级分离的MIMO-OTFS符号检测方法，以显著提高MIMO-OTFS系统的数据解调性能。

本发明公开的一种基于多级分离的MIMO-OTFS符号检测方法，包括下列步骤：

步骤S1：对接收信号进行信号预处理以获取观测向量r_MIMO，其中，

r_j表示第j个天线的时域接收信号，j＝1,2,...,N_R，N_R表示接收天线数量，上标“T”表示转置；对时域接收信号r_j进行转换，以获取时延多普勒域的接收信号y_j；

步骤S2：基于MIMO时域信道矩阵C_MIMO和观测向量r_MIMO进行空时域的迭代信道均衡处理，得到发射数据向量估计

其中，

表示第i个发射天线的发射数据符号估计，i＝1,2,...,N_T，N_T表示发射天线数量；

步骤S3：迭代增强数据检测处理，当满足预置的迭代结束条件时停止，且每一次迭代内依次执行下述处理：

(3-1)：重构天线间干扰并消除：

其中，

表示接收天线j处扩展的第i个发射天线的发射流的纯信号分量，

表示重构的天线间干扰，G_j,i'表示时延多普勒域信道矩阵；

(3-2)：采用等增益合并(EGC)对多天线信号进行均匀合并，得到信号合并量

信道合并量

(3-3)：符号间干扰消除：

对信号合并量

进行矩阵分块：

对信道合并量G_Σ,i进行矩阵分块：

对发射数据符号估计

进行矩阵分块：

根据公式

得到消除符号间干扰的信号

其中，径编号l＝0,1,…,L-1，L表示信道多径抽头数，m＝0,1,...,M,M表示子载波数M；

(3-4)：采用最大比合并(MRC)进行第二次合并并消除信号的干扰分量：

定义无干扰信号估计得到的数据符号为：

采用最大比合并对信号和信道进行第二次合并，得到第二信号合并量

第二信道合并量

根据公式

求解

并将发射数据符号估计

更新为：

进一步的，步骤S2中，采用最小二乘最小残差法(LSMR)进行空时域的迭代信道均衡处理：

步骤S201，设置信道均衡迭代运算中涉及的中间量的初始值，包括：β₁＝||r_MIMO||₂，

ρ₀＝1，

其中||·||₂表示向量二范数；

初始化迭代次数k＝1；

步骤S202：进行第k次迭代迭代计算：

(1)双对角化：

(2)在krylov子空间内求解LS(最小二乘)问题：

θ_k+1＝s_kα_k+1，

(3)更新

其中，

更新

计算第k次迭代的误差

步骤S203：当满足预置的迭代结束条件时，将当前的

作为发射数据向量估计

否则，迭代次数k自增1后继续执行步骤S202。

进一步的，步骤S203中，所述迭代结束条件为下述三种方式中的任一种：

(1)迭代次数达到预置的最大迭代次数K；

(2)

(3)

其中，A₁、B₁分别表示预置的第一和第二误差门限。

本发明提供的技术方案至少带来如下有益效果：

本发明将MIMO-OTFS信道均衡问题归结为一个线性优化问题，提出了一种基于时域LSMR的信道均衡处理方案，用于恢复每个传输码流的OTFS符号，即通过利用时域信道矩阵的稀疏性所提出的信道均衡处理方案可以实现快速收敛，从而能够获得与LMMSE相当的均衡性能，但计算复杂度却要低得多；同时，在时延多普勒域设置了一种增强型数据检测方式来迭代解调多天线数据符号，其得益于信道预均衡器对数据符号的精确估计，该增强型数据检测方式可以很好地重构和消除干扰(IAI和ISI)。此外，利用等增益合并(EGC)和最大比合并(MRC)技术进一步累加并消除信号的干扰分量，从而有效地获得MIMO-OTFS信道的空间分集和多径分集。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。

图1为本发明实施中采用的MIMO-OTFS系统结构框图。

图2为本发明实施中，迭代的增强型数据检测(EDD)结构框图。

图3为本发明实施中，矩阵G_Σ,i的结构，以L＝4为例。

图4为本发明实施中，2×2MIMO信道的不同信道均衡方式的MSE累积分布函数，SNR＝20dB，最大多普勒频率为3000Hz。

图5为本发明实施中，3×4MIMO信道的不同信道均衡方式的MSE累积分布函数，SNR＝20dB，最大多普勒频率为3000Hz。

图6为本发明实施中，对EDD中不同迭代次数的BLER进行了比较。传输方式为2×2MIMO。接收机结构由基于LSMR的信道预均衡器和EDD构成。

图7为本发明实施中，在最大速度为550km/h的2×2MIMO传输情况下，不同信道预均衡方式的BLER与SNR的关系。

图8为本发明实施中，在最大速度为550km/h的3×4MIMO传输情况下，不同信道预均衡方式的BLER与SNR的关系。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明实施方式作进一步地详细描述。

本发明实施例提供的基于多级分离的MIMO-OTFS符号检测方法中，首先进行MIMO-OTFS系统的空时(TS)域信道均衡处理，以获取初步的发射数据向量估计结果，进而再基于该估计结果进行迭代的迭代增强数据检测处理。其中，在信道均衡处理时，采用本发明实施例提供的最小二乘最小残差(LSMR)算法，可以在保障一定信道均衡性能的同时显著降低计算复杂度，进而利用LSMR算法所获取的信道均衡处理结果，在延迟-多普勒空间(DDS)域对OTFS符号进行解调，以显著提高MIMO-OTFS系统的数据解调性能。本发明实施例提供的基于多级分离的MIMO-OTFS符号检测方法可用于MIMO-OTFS传输模型的接收端。

本发明实施例中，所涉及的MIMO-OTFS传输模型如图1所示，其中发射端有N_T个天线，接收端有N_R个天线。将发送的比特序进行MIMO预编码与映射得到QAM符号序列。接着，将符号序列分为N_T组，每个天线发送一组数据，包含M×N个QAM符号，分别分配至M×N的时延多普勒平面，得到

接着，发射端通过ISFFT变换将X_i从时延多普勒域变换至时频域，即

其中F_M、F_N分别表示M和N阶FFT矩阵，(·)^H表示矩阵求复共轭转置运算，随后对D_i进行OFDM信号调制，产生一个时域信号块，即

通过按列读取S_i中的元素，从而一个OTFS传输块内的数据样本被表示为

vec()表示列向量化。为了避免块间干扰，将在s_i的头部插入长度为M_cp的循环前缀再上变频送去射频发射。

MIMO-OTFS传输模型的接收端在基于本发明实施例提供的基于多级分离的MIMO-OTFS符号检测方法进行接收端信号处理时，包括下列步骤：

一、接收信号首先需要进行两路预处理(可以并行处理)。

1、设第j个接收天线接收来自受信道干扰的信号，并通过下变频得到去循环前缀后的基带信号：

其中，

表示发射天线i和接收天线j之间的时域信道矩阵。n_j表示接收天线j的噪声，将r_j重新排列为时域数据块

表示为R_j＝invec(r_j)。与发射端对应，此时将时域信号R_j通过FFT(快速傅里叶)变为时频域信号

即D_j'＝F_MR_j，最后通过SFFT(短时傅立叶变换)将D_j'变回时延多普勒域：

2、整个接收端的接收到的MIMO-OTFS时域信号表示为：

其中，

为噪声项，

为发送的时域信号,C_MIMO为时域信道矩阵：

3、对接收到的信号采用LSMR迭代算法进行预均衡：

1)初始化：

由观测向量r_MIMO和信道矩阵C_MIMO可以计算出β₁＝||r_MIMO||₂，

其中||·||₂表示向量二范数，并在此基础上初始化参数：h₁＝v₁；

ρ₀＝1；

设置迭代门限：迭代次数K；误差门限A₁；误差门限B₁。

2)第k次迭代：

第一步：双对角化

依次计算：

第二步：在krylov子空间内求解LS问题：

依次计算：

θ_k+1＝s_kα_k+1，

第三步：更新

第四步：当出现以下任意一种情况时终止迭代：

a)k≥K

b)

c)

3)输出估计的QAM符号

从而得到一个初步估计的数据符号

其中

表示为第i个发射天线，并将其与上一步得到的

(j＝1,2,...,N_R表示为第j个接收天线)一起作为增强型数据检测器(EDD)的输入。

二、迭代的增强型数据检测器(EDD)，即用于实现迭代的增强数据检测。

本发明实施例中，迭代的EDD的结构框图如图2，在一次迭代内包含了四步，分别为IAI消除、空域EGC、ISI消除、时延域MRC。迭代器输入初始化为预处理的数据y_j、

以及时延多普勒域信道矩阵G_j,i。在之后的迭代中利用重新估计的信号代替

作为输入。

1、IAI消除：通过输入的

y_j及已知的时延多普勒域信道矩阵G_j,i重构IAI干扰并进行IAI消除：

对于每一个发射天线i，都有如下一组等式：

其中，误差

x_i为真实的发送符号。

2、空域EGC：对上式进行累加，求得：

定义：

3、ISI消除：对

进行如下矩阵分块：

其中，

对G_Σ,i进行如下矩阵分块，见图3(L信道多径抽头数)：

其中，

对

进行如下矩阵分块：

其中，

利用

G_Σ,i和

计算ISI消除后的信号：

4、时延域MRC：设由无干扰信号估计得到的符号为：

对于每个分块后的

都可以得到以下一组等式：

乘以

得到：

对上式进行累加，求得：

定义：

可以由下式求得：

则对第i个发射天线传输的数据符号的估计更新为：

进而可以通过对EDD输出的

进行解映射与判决处理，输出比特序列。

实施例

本实施例采用如图1所示的MIMO-OTFS传输模型，其中发射端有N_T个天线，接收端有N_R个天线。将发送的比特序进行MIMO预编码与映射得到QAM符号序列。接着，将符号序列分为N_T组，每个天线发送一组数据，包含M×N个QAM符号，分别分配至M×N的时延多普勒平面，得到

通过ISFFT变换将X_i从时延多普勒域变换至时频域，即

随后对D_i进行OFDM信号调制，产生一个时域信号块：

按列读取S_i中的元素得到s_i。为了避免块间干扰，将在s_i的头部插入循环前缀再上变频送去第i个天线发射。具体参数见表1：

表1仿真参数

参数	配置
		调制方式	QPSK,16-QAM,64-QAM,256-QAM
信道编码器	[1,5/7]<sub>8</sub>卷积码
		信道编码码率	1/2
子载波数M	32
		符号数N	32
信道抽头数量L	4
		循环前缀长度M<sub>cp</sub>	8
传输模型	2×2MIMO,3×4MIMO
		载波频率	5.9GHz
子载波间隔	15KHz
		信道多普勒频谱	“U形”谱
仿真块的数量	10<sup>5</sup>

假设每个信道抽头服从瑞利分布，并且具有指数衰减的功率延迟分布，天线之间没有空间相关性。考虑在5.9GHz载波频率下，相对速度为550km/h(对应的最大信道多普勒频率f_d为3000Hz)的情况。为了避免信道估计误差带来的检测性能损失，在接收端假设信道响应是完全已知的。

首先通过评估均衡后的OTFS符号的均方误差(MSE)来研究LSMR算法信道均衡性能：

图4和图5分别给出了在2×2MIMO和3×4MIMO传输情况下MSE的累积密度函数(CDF)，其中SNR＝20dB，并且X轴上的标签S(DB)表示阈值。以全带LMMSE方法得到的CDF曲线“全频带LMMSE”为基准。如图所示，在这些传输模式下，经过20次迭代后，LSMR达到了与全频带LMMSE相当的均衡性能。此外，本发明实施例提供的方案明显优于频域的“块带状均衡器”。而在复杂度方面，对于LSMR算法，每次迭代的复杂度仅为

当LSMR需要进行k次迭代，其总体复杂度为

实际上，由于信道抽头数L和迭代次数k远小于传输块大小，即kL＜＜MN，LSMR的总体复杂度明显小于LMMSE中的复杂度

图6比较了所提出的EDD中不同迭代次数的BLER。迭代次数为0表示不调用EDD，此时仅采用基于LSMR的信道均衡器的接收机不能对高阶QAM信号进行解调。当采用EDD方案，只需要很少的迭代次数，BLER平台就能快速下降。对于所有的QAM星座，在6次迭代之后可以获得稳定的BLER性能。

图7和图8分别给出了在2×2MIMO和3×4MIMO传输情况下不同解调方案的BLER。为了验证信道均衡误差的解调间隙，绘制了“理想EDD”的BLER曲线，该曲线是通过将完全正确的初始符号估计反馈到EDD中得到的。从图7和图8可以看出，与“理想EDD”方案相比，本发明实施例提供的方案造成的信噪比损失可以忽略不计。此外，还比较了采用频域“块带状均衡器”和EDD方案(记为“带限MMSE+EDD”)的接收机。对于低阶QAM信号，接收端“带限MMSE+EDD，Q＝10，迭代次数12”可以实现与本发明实施例提供的方案的解调性能，但由于信道预均衡误差而无法恢复高阶QAM符号。

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

以上所述的仅是本发明的一些实施方式。对于本领域的普通技术人员来说，在不脱离本发明创造构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。

Claims (3)

1.一种基于多级分离的MIMO-OTFS符号检测方法，其特征在于，包括下列步骤：

步骤S1：对接收信号进行信号预处理以获取观测向量r_MIMO，其中，

r_j表示第j个天线的时域接收信号，j＝1,2,...,N_R，N_R表示接收天线数量，上标“T”表示转置；对时域接收信号r_j进行转换，以获取时延多普勒域的接收信号y_j；

步骤S2：基于MIMO时域信道矩阵C_MIMO和观测向量r_MIMO进行空时域的迭代信道均衡处理，得到发射数据向量估计

其中，

表示第i个发射天线的发射数据符号估计，i＝1,2,...,N_T，N_T表示发射天线数量；

步骤S3：迭代增强数据检测处理，当满足预置的迭代结束条件时停止，且每一次迭代内依次执行下述处理：

(3-1)：重构天线间干扰并消除：

其中，

表示接收天线j处扩展的第i个发射天线的发射流的纯信号分量，

表示重构的天线间干扰，G_j,i'表示时延多普勒域信道矩阵；

(3-2)：采用等增益合并对多天线信号进行均匀合并，得到信号合并量

信道合并量

(3-3)：符号间干扰消除：

对信号合并量

进行矩阵分块：

对信道合并量G_Σ,i进行矩阵分块：

对发射数据符号估计

进行矩阵分块：

根据公式

得到消除符号间干扰的信号

其中，径编号l＝0,1,…,L-1，L表示信道多径抽头数，m＝0,1,...,M,M表示子载波数M；

(3-4)：采用最大比合并进行第二次合并并消除信号的干扰分量：

定义无干扰信号估计得到的数据符号为：

采用最大比合并对信号和信道进行第二次合并，得到第二信号合并量

第二信道合并量

根据公式

求解

并将发射数据符号估计

更新为：

2.如权利要求1所述的方法，其特征在于，步骤S2中，采用最小二乘最小残差法进行空时域的迭代信道均衡处理：

步骤S201，设置信道均衡迭代运算中涉及的中间量的初始值，包括：β₁＝||r_MIMO||₂，

ρ₀＝1，

其中||·||₂表示向量二范数；

初始化迭代次数k＝1；

步骤S202：进行第k次迭代迭代计算：

(1)双对角化：

(2)在krylov子空间内求解最小二乘问题：

θ_k+1＝s_kα_k+1，

(3)更新

其中，

更新

计算第k次迭代的误差

步骤S203：当满足预置的迭代结束条件时，将当前的

作为发射数据向量估计

否则，迭代次数k自增1后继续执行步骤S202。

3.如权利要求2所述的方法，其特征在于，步骤S203中，所述迭代结束条件为下述三种方式中的任一种：

(1)迭代次数达到预置的最大迭代次数K；

(2)

(3)

其中，A₁、B₁分别表示预置的第一和第二误差门限。

Images